智能体经济学讨论了一整年，多数数字停留在「节省了多少小时」这类不好验证的口径上。9 月下旬，薪酬与合规公司 Deel 给出了一个少见的具体到人均的版本：其内部智能体平台 Akai 在 90 天里新增 1.4 亿美元 ARR，期间没有新增一名员工，人均营收从 13 万美元抬到 21.5 万美元，涨幅约六成五。先说清口径——这些数字全部是 Deel 自报，暂无第三方审计；但即便是自报口径，它也是迄今为止把「智能体替业务赚钱」写到损益表颗粒度的一次披露。
从内部工具到独立产品
Akai 的出身和 Salesforce AIforce、Cisco AI POD 是同一条路线：先在自己身上用出结果，再打包对外卖。它原本是 Deel 内部自动化财务、人力、应付账款与合规流程的工具，今年 5 月起作为独立产品对外销售，有自己的合同、基础设施与定价，企业客户不需要购买 Deel 的薪酬服务也能用。公司口径的运行规模：一万多个活跃智能体分布在财务、支付与合规三条线上，每月处理超过 25 万个案例，累计节省超过 100 万小时；八千多个智能体承担着约相当于 600 名全职员工的工作量。
录制一遍，连接器自己长出来
产品机制上，Akai 的核心动作是「录一次」：员工照常演示一遍工作流，系统同步记录网络流量、界面点击与语音讲解，从中梳理出流程结构、涉及的系统与决策点。随后它为每个系统自动选择接入路径——正式 API、非正式 API 或浏览器自动化，并按录制内容生成规则、护栏、人工介入点与权限配置，不需要单独立项做集成。审批通过后，工作流按计划在任意规模上运行。
更值得注意的是精度架构。Deel 的业务横跨 150 多个国家的薪酬与合规，算错一分钱的代价远高于漏发一封邮件。Akai 因此把任务切成两类：税率计算、账号校验、付款匹配这类数字必须精确的环节走确定性规则，不经过模型判断；真正的判断类决策才交给模型推理，高风险动作则路由给人工经 Slack 或邮件确认。这套「规则管对错、模型管取舍、人工管后果」的三分法，比大多数「全交给模型」的方案更接近生产现实。
对外销售的用例清单也比「薪酬公司做自动化」的想象要宽：付款对账、金融犯罪筛查、海关单证、政府门户申报都在列。这些场景的共性是流程清晰、单据量大、错一步成本高——恰好是「规则管对错」架构最能发挥的地方。对买方来说，这意味着 Akai 不只是 Deel 自家薪酬流程的副产品，而是试图把「记录即集成」的方法卖给所有后台运营团队。
退款承诺与那笔难以验证的账
商业策略上最激进的是承诺条款：百人以上规模的公司，30 天内省不满 1000 小时就全额退款。敢把退款写进条款，说明 Deel 认为内部两年的运行数据足以支撑留存——当然，这也是一种获客手段，实际退款率目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
辩证地看，这份成绩单有三处需要保留：其一，ARR 增长与智能体部署的因果关系未拆分，同期 Deel 本身也在快速增长；其二，「600 名员工等价工作量」是任务折算口径，不等于真实的岗位削减；其三，合规与安全体系有 ISO 42001、27001、27701 第三方认证，但认证的是管理体系，不是业绩数字。真正有价值的读法是把人均营收这个指标本身记下来——当智能体平台开始以「人均产出变化」而非「省了多少小时」证明自己时，企业采购的算账方式就换了。对照组也已经在排队：Salesforce、Cisco、微软都在走内部工具商业化的同一条路，Deel 的 1.4 亿美元是这条路上拿出来的可比较样本，接下来就看同行敢不敢把同口径的数字摆上桌。